Signed Network Embedding based on Adversarial Learning

Abstract

최근 다양한 분야에서 생성적 적대 신경망의 도입이 성공함에 따라, 네트워크 임베딩 분야에서도 관련 연구가 있어 왔다. 본 논문에서는 처음으로 부호가 있는 네트워크의 각 노드를 적대적 학습을 통해 저차원 벡터로 나타내는 새로운 네트워크 임베딩 방법을 제시한다. 네트워크를 학습하기 위해, 본 논문에서는 긍정 부호 간선을 고려한 긍정 부호 생성자 및 긍정 부호 식별자와, 부정 부호 간선을 고려한 부정 부호 생성자 및 부정 부호 식별자를 포함한 구조를 제안한다. (1) 긍정 부호 생성자, 부정 부호 생성자는 실제, 위조 여부를 판단하기 힘든 가짜 긍정/부정 부호 간선을 생성을 목표로 하며, (2) 긍정 부호 식별자, 부정 부호 식별자는 각각 실제 긍정/부정 부호 간선과 위조된 긍정/부정 부호 간선을 구별하는 것을 목표로 한다.

다섯 개의 실세계 부호가 있는 네트워크를 사용한 광범위한 실험을 통해, 본 논문에서 제안한 적대적 학습 방법을 도입한 네트워크 임베딩 방법의 효과를 확인할 수 있었다. 또한, 제안한 방법이 모든 네트워크에서 모든 최신의 부호가 있는 네트워크 임베딩 방법과 비교했을 때, 측정 방법에 있어 부호 예측의 정확성이 일관되게 뛰어남을 확인했다.